CN112904302A - 网格化frft域雷达目标检测与多级联合虚警剔除方法 - Google Patents

网格化frft域雷达目标检测与多级联合虚警剔除方法 Download PDF

Info

Publication number
CN112904302A
CN112904302A CN202110436854.4A CN202110436854A CN112904302A CN 112904302 A CN112904302 A CN 112904302A CN 202110436854 A CN202110436854 A CN 202110436854A CN 112904302 A CN112904302 A CN 112904302A
Authority
CN
China
Prior art keywords
doppler
acceleration
point
trace
dimensional
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110436854.4A
Other languages
English (en)
Other versions
CN112904302B (zh
Inventor
黄勇
关键
陈小龙
王国庆
薛永华
刘书岩
刘宁波
丁昊
何友
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Naval Aeronautical University
Original Assignee
Naval Aeronautical University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Naval Aeronautical University filed Critical Naval Aeronautical University
Priority to CN202110436854.4A priority Critical patent/CN112904302B/zh
Publication of CN112904302A publication Critical patent/CN112904302A/zh
Application granted granted Critical
Publication of CN112904302B publication Critical patent/CN112904302B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明涉及一种网格化FRFT域雷达目标检测与多级联合虚警剔除方法,属于雷达信号处理和目标检测技术领域。本发明首先解决了常规FRFT域目标检测面临的两个自变量参数搜索范围和搜索步长难以量化的问题,建立了多普勒‑加速度二维搜索网格;然后针对CFAR检测后虚警较多的问题,在距离‑多普勒‑加速度三维数据空间中,对过门限后的点迹通过二维点迹凝聚、二维检测融合以及三维点迹凝聚三个步骤实施多级联合虚警剔除。与常规FRFT域目标检测方法相比,本发明给出的FRFT域雷达目标检测及虚警剔除方法具有明确的参数搜索网格,且通过多级联合虚警剔除技术,利用目标与虚警在不同维度上的特征差异来剔除虚警,有效地解决了FRFT域雷达目标检测虚警较高的问题。

Description

网格化FRFT域雷达目标检测与多级联合虚警剔除方法
技术领域
本发明属于雷达信号处理和目标检测技术领域,特别涉及雷达目标探测中的目标检测技术。
背景技术
宽发窄收雷达(例如,Multiple-Input Multiple-Output(简称MIMO)雷达)能够获得对目标的长时间观测,进而可对目标回波能量进行长时间相参积累处理,改善信杂噪比,提高雷达目标检测性能。长时间观测过程中容易造成目标能量在多普勒维扩散,而在长时间相参积累处理方法中,分数阶傅里叶变换(Fractional Fourier Transform,简称FRFT)方法对于多普勒扩散、特别是多普勒随时间线性扩散的目标能量有很好的相参积累效果。
但是,在长时间相参积累过程中,杂波(例如,海尖峰)能量也可能会被积累起来,从而产生虚警;实践表明,雷达海上目标检测中,MTD处理相比于非相参积累检测容易带来虚警;这就意味着,比MTD搜索空间更大、处理维数更高的FRFT域检测技术会更容易导致虚警。
同时,在雷达实际探测过程中,由于目标本身运动的不稳定性、目标运动引起的环境扰动、雷达观测角度的变化以及长时间积累带来的多普勒分辨力提升等因素,使得目标能量在“距离-多普勒”域表现为“一团点”而不是一个点,而且,即使是FRFT能够进一步积累起多普勒维扩散了的目标能量,在“距离-FRFT”域中目标也依然会表现为“一团点”,甚至还会因为增加了加速度维搜索的缘故,这团点的扩散程度会变得更大。这种能量的扩散也容易导致虚警的产生。
为了解决FRFT域雷达目标检测时虚警增多的问题,本发明提供了一种网格化FRFT域雷达目标检测与多级联合虚警剔除方法。
发明内容
本发明的目的在于,针对宽发窄收雷达目标长时间相参积累检测导致虚警较多的问题,提供一种网格化FRFT域雷达目标检测与多级联合虚警剔除方法,其中要解决的技术问题包括:
(1)FRFT处理中两个自变量参数的搜索范围和搜索步长的设计问题;
(2)“距离-多普勒-加速度”三维数据空间中的虚警剔除问题。
本发明所述的一种网格化FRFT域雷达目标检测与多级联合虚警剔除方法,其特征在于包括以下技术措施:
S1、根据匀加速运动目标的多普勒效应在雷达回波脉冲串中的表现形式,直接采用多普勒和加速度作为FRFT域两个维度的自变量参数,因此本发明中FRFT域的等价称呼是“多普勒-加速度”域;然后在确定这两个参数搜索范围和搜索步长的基础上,建立起关于这两个参数的搜索网格。
一方面,多普勒和加速度是匀加速运动目标的固有特征,具有明确的物理含义;另一方面,在雷达相参脉冲串观测方式下,可以从理论上确定FRFT处理中多普勒和加速度的搜索范围和搜索步长,基本原理是:多普勒搜索范围由脉冲重复频率决定,一般取正负半个脉冲重复频率之间;多普勒搜索步长由脉冲重复频率与脉冲数的比值决定;加速度对应多普勒的变化,其搜索范围取决于目标类型和观测时长,根据目标类型可确定目标的最大最小速度以及可承受的过载能力,然后结合观测时长,即可确定目标加速度的搜索范围;加速度的搜索步长则由如下原则确定,即,在观测时长内,加速度在搜索步长内的变化不能使多普勒的变化超过一个多普勒搜索步长。上述描述中的观测时长是指脉冲重复周期与脉冲数的乘积。这样,分别利用多普勒和加速度这两个参数的搜索步长将各自的搜索范围分割成一个个的搜索网格点,分别称为多普勒网格点和加速度网格点,两者组合起来就形成了关于多普勒和加速度的二维搜索网格。
S2、对回波脉冲串数据进行加速度补偿,并对经过加速度补偿的回波脉冲串数据,做加窗傅立叶变换,从而形成对应于每个加速度网格点的“距离-多普勒”谱,并在该谱域中完成恒虚警率(缩写为CFAR)检测。
在雷达目标CFAR检测领域,需要利用邻近多个距离单元(称为参考单元)的观测数据估计当前检测距离单元(称为检测单元)的背景参数,以达到CFAR的目的。基本原理是:首先,基于S1得到的搜索网格,对检测单元和参考单元中的回波脉冲串数据都进行加速度补偿;然后,对经过加速度补偿的脉冲串数据做加窗傅立叶变换,形成对应于每个加速度网格点的“距离-多普勒”谱;最后,在每个加速度网格点对应的“距离-多普勒”谱中,针对每个多普勒通道,沿距离维进行CFAR检测,对于过门限的点,则保留其谱值,而未过门限的点,谱值变为0。
S3、在“距离-多普勒-加速度”三维数据空间中进行多级联合虚警剔除。
S2得到的是对应于每个加速度网格点的“距离-多普勒”域中的过门限点,即三维数据空间——“距离-多普勒-加速度”空间中的过门限点。在“距离-多普勒-加速度”三维数据空间中进行多级联合虚警剔除的基本原理是:首先,针对每个加速度网格点的“距离-多普勒”二维点迹图,进行二维点迹凝聚,并结合点迹特征信息剔除虚警;然后,相邻加速度网格点之间通过二维检测融合剔除虚警;最后,在“距离-多普勒-加速度”三维空间中进行三维点迹凝聚,提取点迹中谱值最大者对应的“多普勒-加速度”谱中多普勒维跨度的排序信息,以此剔除虚警。
与传统基于FRFT处理的雷达目标检测方法相比,本技术方案所述的FRFT域雷达目标检测及虚警剔除方法,有益效果在于:
(1)本方法解决了FRFT处理中多普勒和加速度的搜索范围和搜索步长的设计问题,使得FRFT域搜索网格不会因过细而徒增计算量,也不会因过粗而丢失目标;
(2)本方法提出的多级联合虚警剔除技术,利用目标与虚警在不同维度上的特征差异来剔除虚警,有效地解决了FRFT域雷达目标检测虚警较高的问题。
附图说明
图1是一种网格化FRFT域雷达目标检测与多级联合虚警剔除方法的实现流程图。
具体实施方式
以下结合说明书附图对本发明作进一步详细描述。参照说明书附图1,本发明的具体实施方式分以下步骤:
(1)建立多普勒-加速度二维搜索网格;
(2)对各个距离单元的回波脉冲串数据进行加速度补偿,并对经过加速度补偿的脉冲串数据,做加窗傅立叶变换,从而形成对应于每个加速度网格点的“距离-多普勒”谱,并在该谱域中完成CFAR检测,形成对应于每个加速度网格点的“距离-多普勒”二维点迹图;
(3)针对每个加速度网格点的“距离-多普勒”二维点迹图,进行二维点迹凝聚,并结合点迹特征信息剔除虚警;
(4)利用相邻三个加速度网格点对应的“距离-多普勒”二维点迹图,进行二维检测融合,以剔除虚警;
(5)在“距离-多普勒-加速度”三维空间中进行三维点迹凝聚,提取点迹中谱值最大者对应的“多普勒-加速度”谱中多普勒维跨度的排序信息,然后利用此信息剔除虚警。
以下对上述步骤进行详细阐述:
(1)建立多普勒-加速度二维的搜索网格。
雷达发射相参脉冲串,匀加速运动目标的回波脉冲串经过脉冲压缩、采样之后,其多普勒效应在雷达回波脉冲串中体现为
Figure BDA0003033382310000031
其中fdt表示瞬时多普勒,对应目标的瞬时速度;fd表示当前脉冲串中目标起始多普勒,在本发明中简称为多普勒,对应目标在当前脉冲串中的起始速度;a表示目标加速度;λ表示波长;T表示脉冲重复周期;
Figure BDA0003033382310000032
表示脉冲序号,
Figure BDA0003033382310000033
L表示脉冲串长度,即脉冲个数。
多普勒和加速度是目标运动的固有特征,具有明确的物理含义。本发明采用多普勒fd与加速度a这两个参数来构建FRFT处理中二维参数搜索空间,即多普勒-加速度二维参数空间。
根据雷达信号理论,在雷达相参脉冲串观测方式下,多普勒fd的取值范围为
Figure BDA0003033382310000034
其中
Figure BDA0003033382310000035
表示脉冲重复频率;多普勒fd的搜索步长
Figure BDA0003033382310000036
加速度对应速度的变化,其范围取决于目标类型和观测时长,根据目标类型可确定目标的最大最小速度以及可承受的过载能力,然后结合观测时长,即可确定目标加速度的搜索范围,其中观测时长是指脉冲重复周期与脉冲数的乘积。记目标在观测时长内所能达到的最大速度变化为|Vmax|,那么可确定加速度的变化范围为
Figure BDA0003033382310000037
这个范围比较大,可根据舰船的最大可承受过载能力来进一步减小搜索范围。加速度搜索步长的确定基于如下原则:在观测时长内,加速度在搜索步长内的变化不能使多普勒的变化超过一个多普勒搜索步长,于是,
Figure BDA0003033382310000041
由此,形成了如下的多普勒-加速度二维搜索网格:
多普勒维:搜索起始点
Figure BDA0003033382310000042
搜索步长
Figure BDA0003033382310000043
网格点
Figure BDA0003033382310000044
网格序号n,n=0,…,L-1;
加速度维:搜索起始点
Figure BDA0003033382310000045
搜索步长
Figure BDA0003033382310000046
网格点
Figure BDA0003033382310000047
网格序号m,
Figure BDA0003033382310000048
其中,
Figure BDA0003033382310000049
表示向上取整。
(2)对各个距离单元的回波脉冲串数据进行加速度补偿,并对经过加速度补偿的脉冲串数据,做加窗傅立叶变换,从而形成对应于每个加速度网格点的“距离-多普勒”谱,并在该谱域中完成CFAR检测,形成对应于每个加速度网格点的“距离-多普勒”二维点迹图。
本步骤的具体操作如下:
①加速度补偿。
针对每个加速度网格点am,构建加速度补偿矢量,并使之与每个距离单元中的长度为L的脉冲串数据进行点乘处理,完成加速度补偿操作。加速度补偿矢量如下:
Figure BDA00030333823100000410
其中am表示第m个加速度网格点。
②通过加窗傅里叶变换形成“距离-多普勒”谱。
针对每个加速度网格点补偿后的每个距离单元的长度为L的脉冲串数据,做加窗FFT处理,从而形成对应每个加速度网格点的“距离-多普勒”二维谱,其中窗函数取汉明窗。
③逐多普勒通道进行CFAR检测。
针对每个加速度网格点的“距离-多普勒”谱,在每个多普勒通道中,沿着距离维进行GO-CFAR检测处理。对于过门限的点,则保留其谱值,而未过门限的点,谱值变为0。
经过上述三个环节的处理,本步骤得到了对应于每个加速度网格点的“距离-多普勒”域中的过门限点,称为对应于每个加速度网格点的“距离-多普勒”二维点迹图。
(3)针对每个加速度网格点的“距离-多普勒”二维点迹图,进行二维点迹凝聚,并结合点迹特征信息剔除虚警。
本步骤的具体操作如下:
①在“距离-多普勒”二维点迹图上进行“距离-多普勒”二维平滑,消除CFAR检测导致的目标点迹断裂现象,其中,每一维平滑采用的平滑窗口长度都是5,平滑系数都是1/5;
②在平滑后的“距离-多普勒”二维点迹图上,利用8-连通规则进行二维点迹凝聚,提取每团点迹的多普勒维长度和距离维长度;
③设置点迹的多普勒维长度的上限与下限、距离维长度的上限与下限,多普勒维长度与距离维长度均在各自上限与下限之内的点迹才能得以保留,否则被认为是虚警,予以剔除;
多普勒维长度下限与上限的确定:根据FRFT的特点,信号形式在连续变化的加速度网格中逐渐由时域波形变化到频谱,因此,目标点迹的多普勒维长度将会从1个多普勒网格点延伸至L个多普勒网格点;一方面,考虑到目标的多普勒维长度越长,意味着能量越发散,导致过不了CFAR检测门限;第二方面,考虑到同一目标在不同加速度网格上的多普勒谱是逐渐漂移的,并非完全对齐;第三方面,考虑到“距离-多普勒”二维点迹图是经过平滑的;基于上述三点考虑,设置多普勒维长度下限是,10与
Figure BDA0003033382310000051
两者中的大者;设置多普勒维长度上限是,100与
Figure BDA0003033382310000052
两者中的大者。
距离维长度下限与上限由以下因素决定:一是距离维采样率;二是距离分辨率;三是所关心目标的最大最小尺寸;四是距离维平滑窗口长度;
(4)利用相邻三个加速度网格点对应的“距离-多普勒”二维点迹图,进行二维检测融合,以剔除虚警。
第(4)步处理的数据是每个加速度网格点对应的经第(3)步处理后的“距离-多普勒”二维点迹图。将当前加速度网格点对应的“距离-多普勒”二维点迹图记为A,将其前一个加速度网格点对应的“距离-多普勒”二维点迹图记为A-1,将其后一个加速度网格点对应的“距离-多普勒”二维点迹图记为A+1
采用“与”运算规则进行检测融合,即,将A-1、A和A+1三幅“距离-多普勒”二维点迹图进行“与”运算,其规则是,A-1、A和A+1中,相同位置的三个“距离-多普勒”单元对应的检测结果都非零,就保留A中该“距离-多普勒”单元的值,否则将A中该“距离-多普勒”单元的值置为0。
(5)在“距离-多普勒-加速度”三维空间中进行三维点迹凝聚,提取点迹中谱值最大者对应的“多普勒-加速度”谱中多普勒维跨度的排序信息,然后利用此信息剔除虚警。
本步骤的具体操作如下:
①基于8-连通规则,在“距离-多普勒-加速度”三维空间中进行三维点迹凝聚,得到多团点迹,记为Bp,p是不小于零的整数,每团Bp都是由若干个满足8-连通规则的“距离-多普勒-加速度”单元组成的;
②针对每团点迹Bp,找到其谱值最大者所在的“多普勒-加速度”谱,记为Cp
③提取Cp中每个加速度网格点上点迹的多普勒维跨度,并对这些多普勒维跨度值按从小到大的顺序排序,如果谱值最大者所在的加速度网格点对应的多普勒维跨度值的排名不小于4,则认为点迹Bp是虚警,予以剔除;
④对所有的点迹Bp执行②和③的操作,未被剔除的点迹就是目标点迹,输出该目标点迹中谱值最大者对应的距离-多普勒-加速度三维位置信息。

Claims (6)

1.网格化FRFT域雷达目标检测与多级联合虚警剔除方法,其特征在于,包括以下步骤:
S1、建立多普勒-加速度二维搜索网格;
S2、对各个距离单元的回波脉冲串数据进行加速度补偿,并对经过加速度补偿的脉冲串数据,做加窗傅立叶变换,从而形成对应于每个加速度网格点的“距离-多普勒”谱,并在该谱域中完成CFAR检测,形成对应于每个加速度网格点的“距离-多普勒”二维点迹图;
S3、针对每个加速度网格点的“距离-多普勒”二维点迹图,进行二维点迹凝聚,并结合点迹特征信息剔除虚警;
S4、利用相邻三个加速度网格点对应的“距离-多普勒”二维点迹图,进行二维检测融合,以剔除虚警;
S5、在“距离-多普勒-加速度”三维空间中进行三维点迹凝聚,提取点迹中谱值最大者对应的“多普勒-加速度”谱中多普勒维跨度的排序信息,然后利用此信息剔除虚警。
2.根据权利要求1所述的网格化FRFT域雷达目标检测与多级联合虚警剔除方法,其特征在于,所述步骤S1具体包括:
S11、根据多普勒效应在匀加速运动目标的雷达回波脉冲串中的表现形式
Figure FDA0003033382300000011
选取多普勒fd与加速度a这两个参数来构建FRFT处理中的二维参数搜索空间,其中fdt表示瞬时多普勒,fd表示当前脉冲串中目标起始多普勒,在本发明中简称为多普勒,对应目标在当前脉冲串中的起始速度,a表示目标加速度,λ表示波长;T表示脉冲重复周期;l表示脉冲序号,l=0,…,L-1,L表示脉冲串长度,即脉冲个数;
S12、根据目标多普勒fd的取值范围
Figure FDA0003033382300000012
和搜索步长
Figure FDA0003033382300000013
形成多普勒维的网格点如下:搜索起始点是
Figure FDA0003033382300000014
搜索步长是
Figure FDA0003033382300000015
多普勒维网格点是
Figure FDA0003033382300000016
多普勒维网格序号是n,n=0,…,L-1,
Figure FDA0003033382300000017
是脉冲重复频率;
S13、形成加速度维的搜索网格点;
S14、利用S12形成的多普勒搜索网格点和S13形成的加速度搜索网格点,组合形成多普勒-加速度二维搜索网格。
3.根据权利要求2所述的网格化FRFT域雷达目标检测与多级联合虚警剔除方法,其特征在于,所述步骤S13具体为:首先,根据目标在观测时长内所能达到的最大速度变化|Vmax|,确定加速度的变化范围为
Figure FDA0003033382300000021
然后,根据如下原则,即,在观测时长内,加速度在搜索步长内的变化不能使多普勒的变化超过一个多普勒搜索步长,确定加速度的搜索步长为
Figure FDA0003033382300000022
于是,形成加速度维的网格点如下:搜索起始点是
Figure FDA0003033382300000023
搜索步长是
Figure FDA0003033382300000024
加速度维网格点是
Figure FDA0003033382300000025
加速度维网格序号是m,
Figure FDA0003033382300000026
其中,
Figure FDA0003033382300000027
表示向上取整。
4.根据权利要求1所述的网格化FRFT域雷达目标检测与多级联合虚警剔除方法,其特征在于,所述步骤S3具体包括以下:
S31、在“距离-多普勒”二维点迹图上进行“距离-多普勒”二维平滑,消除CFAR检测导致的目标点迹断裂现象,其中,每一维平滑采用的平滑窗口长度都是5,平滑系数都是1/5;
S32、在平滑后的“距离-多普勒”二维点迹图上,利用8-连通规则进行二维点迹凝聚,提取每团点迹的多普勒维长度和距离维长度;
S33、按如下方式设置点迹的多普勒维长度的上限与下限、距离维长度的上限与下限,多普勒维长度与距离维长度均在各自上限与下限之内的点迹才能得以保留,否则被认为是虚警,予以剔除;
多普勒维长度下限与上限的设置:多普勒维长度下限是,10与
Figure FDA0003033382300000028
两者中的大者;多普勒维长度上限是,100与
Figure FDA0003033382300000029
两者中的大者;
距离维长度下限与上限由以下因素共同决定:一是距离维采样率;二是距离分辨率;三是所关心目标的最大最小尺寸;四是距离维平滑窗口长度。
5.根据权利要求1所述的网格化FRFT域雷达目标检测与多级联合虚警剔除方法,其特征在于,所述步骤S4包括:
S41、将当前加速度网格点对应的“距离-多普勒”二维点迹图记为A,将其前一个加速度网格点对应的“距离-多普勒”二维点迹图记为A-1,将其后一个加速度网格点对应的“距离-多普勒”二维点迹图记为A+1
S42、采用“与”运算规则进行检测融合,即,将A-1、A和A+1三幅“距离-多普勒”二维点迹图进行“与”运算,其规则是,A-1、A和A+1中,相同位置的三个“距离-多普勒”单元对应的检测结果都非零,就保留A中该“距离-多普勒”单元的值,否则将A中该“距离-多普勒”单元的值置为0。
6.根据权利要求1所述的网格化FRFT域雷达目标检测与多级联合虚警剔除方法,其特征在于,所述步骤S5具体为:
S51、基于8-连通规则,在“距离-多普勒-加速度”三维空间中进行三维点迹凝聚,得到多团点迹,记为Bp,p是不小于零的整数,每团Bp都是由若干个满足8-连通规则的“距离-多普勒-加速度”单元组成的;
S52、针对每团点迹Bp,找到其谱值最大者所在的“多普勒-加速度”谱,记为Cp
S53、提取Cp中每个加速度网格点上点迹的多普勒维跨度,并对这些多普勒维跨度值按从小到大的顺序排序,如果谱值最大者所在的加速度网格点对应的多普勒维跨度值的排名不小于4,则认为点迹Bp是虚警,予以剔除;
S54、对所有的点迹Bp执行S52和S53的操作,未被剔除的点迹就是目标点迹,输出该目标点迹中谱值最大者对应的距离-多普勒-加速度三维位置信息。
CN202110436854.4A 2021-04-22 2021-04-22 网格化frft域雷达目标检测与多级联合虚警剔除方法 Active CN112904302B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110436854.4A CN112904302B (zh) 2021-04-22 2021-04-22 网格化frft域雷达目标检测与多级联合虚警剔除方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110436854.4A CN112904302B (zh) 2021-04-22 2021-04-22 网格化frft域雷达目标检测与多级联合虚警剔除方法

Publications (2)

Publication Number Publication Date
CN112904302A true CN112904302A (zh) 2021-06-04
CN112904302B CN112904302B (zh) 2022-06-28

Family

ID=76108863

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110436854.4A Active CN112904302B (zh) 2021-04-22 2021-04-22 网格化frft域雷达目标检测与多级联合虚警剔除方法

Country Status (1)

Country Link
CN (1) CN112904302B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114397008A (zh) * 2021-12-07 2022-04-26 中国空气动力研究与发展中心低速空气动力研究所 低空飞行器噪声源识别的解多普勒方法
CN116990773A (zh) * 2023-09-27 2023-11-03 广州辰创科技发展有限公司 基于自适应门限的低慢小目标检测方法、装置和存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101738606A (zh) * 2008-11-21 2010-06-16 清华大学 基于广义多普勒滤波器组的雷达目标相参积累检测方法
JP2012242217A (ja) * 2011-05-18 2012-12-10 Mitsubishi Electric Corp 画像レーダ装置
CN109541568A (zh) * 2019-01-24 2019-03-29 中国人民解放军海军航空大学 一种雷达机动目标跨距离和多普勒单元快速相参积累检测方法
CN112346022A (zh) * 2020-11-03 2021-02-09 中国人民解放军海军航空大学 基于二维精简分数阶傅里叶变换的密集假目标干扰抑制方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101738606A (zh) * 2008-11-21 2010-06-16 清华大学 基于广义多普勒滤波器组的雷达目标相参积累检测方法
JP2012242217A (ja) * 2011-05-18 2012-12-10 Mitsubishi Electric Corp 画像レーダ装置
CN109541568A (zh) * 2019-01-24 2019-03-29 中国人民解放军海军航空大学 一种雷达机动目标跨距离和多普勒单元快速相参积累检测方法
CN112346022A (zh) * 2020-11-03 2021-02-09 中国人民解放军海军航空大学 基于二维精简分数阶傅里叶变换的密集假目标干扰抑制方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
XIAOHAN YU ET AL.: "Fast Detection Method for Low-Observable Maneuvering Target via Robust Sparse Fractional Fourier Transform", 《IEEE GEOSCIENCE AND REMOTE SENSING LETTERS》, vol. 17, no. 6, 30 September 2019 (2019-09-30), XP011790299, DOI: 10.1109/LGRS.2019.2939264 *
关键等: "雷达高速高机动目标长时间相参积累检测方法", 《信号处理》, vol. 33, 31 March 2017 (2017-03-31) *
赵兴浩等: "基于分数阶相关的无源雷达动目标检测方法", 《电子学报》, vol. 33, no. 09, 30 September 2005 (2005-09-30) *
陈小龙等: "基于FRFT的末制导雷达海面动目标检测方法", 《雷达科学与技术》, vol. 11, no. 02, 30 April 2013 (2013-04-30) *
陈芳香 等: "基于分数阶傅里叶变换的多辐射源被动直接定位算法", 《雷达学报》, vol. 7, no. 4, 31 August 2018 (2018-08-31) *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114397008A (zh) * 2021-12-07 2022-04-26 中国空气动力研究与发展中心低速空气动力研究所 低空飞行器噪声源识别的解多普勒方法
CN116990773A (zh) * 2023-09-27 2023-11-03 广州辰创科技发展有限公司 基于自适应门限的低慢小目标检测方法、装置和存储介质

Also Published As

Publication number Publication date
CN112904302B (zh) 2022-06-28

Similar Documents

Publication Publication Date Title
CN109814073B (zh) 一种mtd雷达解模糊测速方法
CN109001708B (zh) 基于分级积累检测的雷达机动目标快速精细化处理方法
CN112904302B (zh) 网格化frft域雷达目标检测与多级联合虚警剔除方法
CN101509972B (zh) 基于高分辨目标距离像修正相关矩阵的宽带雷达检测方法
CN106226751B (zh) 基于dp-tbd的机动目标检测与跟踪方法
CN107450055B (zh) 基于离散线性调频傅立叶变换的高速机动目标检测方法
CN104316914B (zh) 依赖形状参数的雷达目标自适应检测方法
CN104459661B (zh) 检测快速火炮类微弱目标的方法
EP1980873A2 (en) History or image based methods for altitude determination in a radar altimeter
CN113721219B (zh) 一种基于多参数聚类的雷达信号分选方法和系统
CN112147601B (zh) 一种基于随机森林的海面小目标检测方法
CN106707258A (zh) 一种非高斯背景下微动目标多参数估计方法
CN107255814A (zh) 一种基于lfmsk波形的雷达目标检测方法
CN110161494B (zh) 基于速度平方滤波的rd平面弱目标检测跟踪方法及装置
CN109324328A (zh) 提取降水时风廓线雷达垂直波束湍流谱的方法及装置
CN111812598B (zh) 一种基于时域频域多特征的地海杂波分类方法
CN110146873B (zh) 分布式非相参雷达的目标位置和速度的估计方法
CN108872961B (zh) 基于低门限的雷达微弱目标检测方法
CN112162246B (zh) 一种基于贝叶斯网络雷达系统复杂电磁环境效应分析方法
CN109100696A (zh) 基于点状杂波图的慢速运动目标消除方法
CN108387880A (zh) 一种基于多尺度有向Lyapunov指数的海杂波背景下弱小目标检测方法
CN115657005A (zh) 一种基于多普勒雷达多信息融合的无人机识别方法
CN115061126A (zh) 一种基于多维参数神经网络的雷达集群目标行为识别方法
Baggenstoss Separation of sperm whale click-trains for multipath rejection
CN105548987B (zh) 一种连续波雷达目标加速度盲估计方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant